Name: Advanced Topics in Computer Vision (en Inglés)
SKU: 57860068
Price: 288.86 PEN
Availability: InStock
Author: Farinella, Giovanni Maria ; Battiato, Sebastiano ; Cipolla, Roberto
ISBN: 9781447155195

portada Advanced Topics in Computer Vision (en Inglés)

Advanced Topics in Computer Vision (en Inglés)

Formato

Libro Físico

Editorial

Springer

Autor

Farinella, Giovanni Maria ; Battiato, Sebastiano ; Cipolla, Roberto

Idioma

Inglés

N° páginas

433

Encuadernación

Tapa Dura

Dimensiones

23.4x16x2.5 cm

Peso

1.00 kg.

ISBN13

9781447155195

Categorías

Aplicaciones gráficas y multimedia
Reconocimiento de formas
Visión por ordenador
Procesamiento de imágenes

Advanced Topics in Computer Vision (en Inglés)

Farinella, Giovanni Maria ; Battiato, Sebastiano ; Cipolla, Roberto (Autor) · Springer · Tapa Dura

Más barato Libro Nuevo Importado

Envío: 15 a 20 días háb.

S/ 722,16S/ 288,86

-60%

Más rápido Libro Nuevo Importado

Envío: 14 a 19 días háb.

S/ 1.046,76S/ 418,70

-60%

Costos de importación incluídos en el precio ✅

Libro Nuevo Más barato

Quedan más de 100 unidades

S/ 288,86

Llega entre el 01 Dic y el 11 Dic a CERCADO DE LIMA, Lima. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Advanced Topics in Computer Vision (en Inglés)"

This book presents a broad selection of cutting-edge research, covering both theoretical and practical aspects of reconstruction, registration, and recognition. The text provides an overview of challenging areas and descriptions of novel algorithms. Features: investigates visual features, trajectory features, and stereo matching; reviews the main challenges of semi-supervised object recognition, and a novel method for human action categorization; presents a framework for the visual localization of MAVs, and for the use of moment constraints in convex shape optimization; examines solutions to the co-recognition problem, and distance-based classifiers for large-scale image classification; describes how the four-color theorem can be used for solving MRF problems; introduces a Bayesian generative model for understanding indoor environments, and a boosting approach for generalizing the k-NN rule; discusses the issue of scene-specific object detection, and an approach for making temporal super resolution video.